AI-vision verhoogt lijnstabiliteit bij BluePrint Automation

Traditionele visionsystemen werken vaak met vaste regels en contourherkenning. Dat werkt goed zolang producten en hun presentatie consistent zijn. In de praktijk is dat steeds minder het geval. Zakjes kunnen scheef liggen, producten komen gedraaid binnen of varianten wisselen elkaar snel af. ‘Waar je vroeger het visionsysteem per variant moest aanleren, generaliseert AI nu over verschillende varianten heen’, legt Goorden uit. ‘Daardoor kan één systeem omgaan met meer variatie zonder dat dit leidt tot extra omstelwerk of stilstand.’

Herkennen en corrigeren in realtime

Een belangrijk toepassingsgebied van AI-vision bij BPA is productherkenning en -oriëntatie. In pick & place-toepassingen herkent het systeem niet alleen de aanwezigheid van een product, maar ook de ligging en oriëntatie. Dat maakt het mogelijk om producten actief te draaien voordat ze in een doos of tray worden geplaatst.
De business development manager noemt als voorbeeld ronde verpakkingen waarbij de merknaam leesbaar moet zijn in de displaydoos. De AI leest tekst, negeert irrelevante elementen en stuurt de robot aan om het product correct te positioneren. Dit gebeurt zonder dat voor elke SKU afzonderlijke regels hoeven te worden geprogrammeerd. Dat verkort de inbedrijfstelling en maakt de lijn minder gevoelig voor variatie.
Ook bij de verwerking van zakjes biedt AI-vision voordelen. Zakjes die tegen elkaar of schuin worden aangevoerd, worden door het systeem herkend en toch correct opgepakt. Hierdoor hoeft de producttoevoer minder ‘perfect’ te zijn ingericht. Volgens BPA draagt dit direct bij aan een efficiëntere lijn, omdat kleine afwijkingen in het voortraject niet meer automatisch tot stops of rejects leiden.

Plannen voor de beste pick-strategie

Een andere toepassing van AI die samenwerkt met vision is het maken en updaten van de pick-strategie. Wanneer meerdere robots in dezelfde machine moeten samenwerken, zorgt een goede strategie voor de meest effectieve picks en bewegingen, waardoor de efficiëntie van elke robot omhooggaat.
Traditioneel worden producten in volgorde of in groepjes aan een robot toegewezen, maar dat systeem is weinig flexibel en heeft moeite om te gaan met verrassingen. Een systeem zoals BlueLogic, dat op AI is gebaseerd, berekent continu opnieuw de optimale strategie, waardoor een aantal robotcellen samen tientallen procenten meer kunnen verwerken.
In lijnen waar meerdere smaken tegelijk worden ingevoerd en dozen met meerdere smaken worden samengesteld, zorgt de scheduler bovendien voor minder productdoorloop waar het systeem anders geen plaats voor kan bedenken, bijvoorbeeld als de toevoerlijnen tijdelijk uit balans zijn.

Datagedreven verbeteren

Vision wordt niet alleen ingezet om producten correct te plaatsen, maar ook om verstoringen vroeg te signaleren. Afwijkingen die anders pas in de machine zichtbaar worden, kunnen eerder worden herkend en gecorrigeerd.
Daarom staat AI-vision bij BPA niet op zichzelf, maar is het gekoppeld aan het bredere data- en serviceplatform BluePerformance. Beelden en data uit visionsystemen, die speciaal hiervoor zijn geplaatst, kunnen worden opgeslagen en gekoppeld aan storingen of stilstandmomenten. Zo ontstaat inzicht in terugkerende oorzaken van performanceverlies.
Volgens Goorden is dit essentieel om structureel te verbeteren. ‘Als je boven de 90 procent efficiëntie wilt komen, moet je weten waar en waarom downtime ontstaat.’ Visionbeelden helpen daarbij om niet alleen te zien dát er iets misgaat, maar ook hoe het misgaat. Dat maakt gerichte optimalisatie mogelijk, zowel in software als in mechanisch ontwerp.

Van productherkenning naar operatortaken

Naast producthandling onderzoekt BPA ook hoe vision en AI kunnen bijdragen aan het automatiseren van operatortaken. Een concreet voorbeeld is de automatische plano-invoer. Vision met AI controleert plano’s op de pallet, herkent straps, verwijdert deze en controleert elk plano voordat het de casepacker ingaat.
Doordat BPA-machines plano’s liggend invoeren, is deze vorm van automatisering relatief eenvoudig te integreren. Het resultaat is minder handwerk en minder onverwachte stops door beschadigde of verkeerd geladen plano’s. Elke minuut die een operator niet hoeft in te grijpen, telt mee in de totale lijnperformance.

AI als middel, niet als doel

BPA positioneert AI-vision (BlueSight) en AI-scheduling (BlueLogic) nadrukkelijk als hulpmiddel om variatie beheersbaar te maken, niet als doel op zich. De technologie moet bijdragen aan stabiel draaien, reproduceerbare prestaties en beter inzicht in oorzaken van verstoringen. ‘Flexibiliteit is geen doel op zich’, stelt Goorden. ‘Het is een middel om variabel, stabiel en efficiënt te kunnen produceren.’
De verwachting is dat AI-vision en AI-scheduling de komende jaren verder geïntegreerd raken in eindverpakkingslijnen. Niet alleen om producten te herkennen, maar ook om afwijkingen te voorspellen en operators te ondersteunen bij het nemen van de juiste beslissingen. In die ontwikkeling ziet BPA vision als een vaste bouwsteen voor toekomstbestendige eindverpakkingsoplossingen.